Poster — Thur Eve — 34: Accelerated Analytical Scatter Estimation with Graphics Processing Units
Notice bibliographique
Résumé
Image degradation due to scatter can be a serious problem in x‐ray imaging, particularly in cone‐beam computed tomography because of the high scatter to primary ratio. Computational methods to estimate scatter are useful both for system modeling and optimization as well as algorithmic scatter correction. Computational scatter estimators are generally based on either Monte Carlo simulation or analytical calculations. Monte Carlo methods can incorporate very accurate models of interaction physics, but are typically very time consuming. Analytical methods, while usually less accurate than Monte Carlo due to simplifications required to render them computationally tractable, are more amenable to acceleration by parallelization. We previously developed an analytical method for estimating Compton and Rayleigh single scatter for a voxelized phantom in a cone beam geometry. Scatter estimates produced with our initial Matlab code showed good agreement with those obtained from Monte Carlo simulation of an identical imaging geometry in EGSnrc. Computation time with the analytical code was still significant, however, especially when using a high‐resolution phantom with small voxels. Our goal for this project was to accelerate our analytical scatter estimator, without loss of accuracy, by porting the code for use with Nvidia graphics processing units (GPUs) with the CUDA programming environment. Using four GPUs, we obtained speed‐up factors of approximately 700X relative to the original Matlab code running on a single CPU while maintaining good agreement with our reference Monte Carlo results. We plan to apply our GPU‐based analytical scatter estimator to a scatter correction algorithm for cone beam computed tomography.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 0,009 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».